CN116155956A - 一种基于梯度决策树模型的多路复用通信方法及系统 - Google Patents
一种基于梯度决策树模型的多路复用通信方法及系统 Download PDFInfo
- Publication number
- CN116155956A CN116155956A CN202310408933.3A CN202310408933A CN116155956A CN 116155956 A CN116155956 A CN 116155956A CN 202310408933 A CN202310408933 A CN 202310408933A CN 116155956 A CN116155956 A CN 116155956A
- Authority
- CN
- China
- Prior art keywords
- fault
- power transmission
- decision tree
- distribution equipment
- intelligent power
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000006854 communication Effects 0.000 title claims abstract description 79
- 238000004891 communication Methods 0.000 title claims abstract description 77
- 238000003066 decision tree Methods 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000005540 biological transmission Effects 0.000 claims abstract description 70
- 230000002159 abnormal effect Effects 0.000 claims abstract description 65
- 230000008439 repair process Effects 0.000 claims abstract description 44
- 238000004458 analytical method Methods 0.000 claims abstract description 30
- 238000012423 maintenance Methods 0.000 claims abstract description 18
- 238000012216 screening Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- 230000005856 abnormality Effects 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000007405 data analysis Methods 0.000 claims description 3
- 230000001960 triggered effect Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000007418 data mining Methods 0.000 claims description 2
- 238000004590 computer program Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000007689 inspection Methods 0.000 description 5
- 238000011835 investigation Methods 0.000 description 5
- 238000011084 recovery Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 3
- 239000012141 concentrate Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
- G01R31/08—Locating faults in cables, transmission lines, or networks
- G01R31/081—Locating faults in cables, transmission lines, or networks according to type of conductors
- G01R31/086—Locating faults in cables, transmission lines, or networks according to type of conductors in power transmission or distribution networks, i.e. with interconnected conductors
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00002—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by monitoring
-
- H—ELECTRICITY
- H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
- H02J—CIRCUIT ARRANGEMENTS OR SYSTEMS FOR SUPPLYING OR DISTRIBUTING ELECTRIC POWER; SYSTEMS FOR STORING ELECTRIC ENERGY
- H02J13/00—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network
- H02J13/00006—Circuit arrangements for providing remote indication of network conditions, e.g. an instantaneous record of the open or closed condition of each circuitbreaker in the network; Circuit arrangements for providing remote control of switching means in a power distribution network, e.g. switching in and out of current consumers by using a pulse code signal carried by the network characterised by information or instructions transport means between the monitoring, controlling or managing units and monitored, controlled or operated power network element or electrical equipment
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04Q—SELECTING
- H04Q9/00—Arrangements in telecontrol or telemetry systems for selectively calling a substation from a main station, in which substation desired apparatus is selected for applying a control signal thereto or for obtaining measured values therefrom
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Business, Economics & Management (AREA)
- Power Engineering (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Signal Processing (AREA)
- General Business, Economics & Management (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- Remote Monitoring And Control Of Power-Distribution Networks (AREA)
Abstract
本发明涉及配电设备通信技术领域，具体涉及一种基于梯度决策树模型的多路复用通信方法及系统，该方法通过多路复用通信实时获取的智能输配电设备的运行数据信息，并与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型，并生成故障修复指引策略反馈至现场维护终端。本发明能够及时发现异常情况并进行故障分析及判定，可以第一时间发现故障，进行故障判定及修复指引，减少安全隐患。
Description
技术领域
本发明涉及配电设备通信技术领域，具体而言，涉及一种基于梯度决策树模型的多路复用通信方法及系统。
背景技术
随着社会经济的不断发展与进步，人们对电力的需求以及供电可靠性的要求不断提高。其中，变电站作为电压调节设施，变电站包括各种电压等级的“升压、降压”变电站，在电力电网中通过电压升高及降低可以将电能输送到较远的地方供用户使用。变电站成为电力系统中变换电压、接受和分配电能、控制电力的流向和调整电压的重要电力设施，通过变压器将各级电压的电网联系起来。成为电力系统中重要的一环。
但是在智能输配电设备通信过程中，针对变电站设备的控制自动化程度低，不能进行智能电力分配，一旦电力系统出现故障，需要由运检人员进行人工排查、分析、抢修以及恢复，导致故障停电时间长且不能全面的综合监控变电站的正常运转，无法保障电网稳定供电与设备安全运行。
发明内容
有鉴于此，本发明的目的是提供一种基于梯度决策树模型的多路复用通信方法及系统，利用多路复用通信技术，通过变电站设备的实时监测和分析，可以第一时间发现故障，实现对变电站设备的精益管理、精益检测和精益管控，让运检人员更加专注于故障抢修、运行分析、指挥决策工作，帮助减少故障停电时间，保障电网稳定供电与设备安全运行，增强供电服务保障能力。
为实现上述目的，本发明提供了以下技术方案：
根据本发明的第一方面，提供了一种基于梯度决策树模型的多路复用通信方法，应用于与智能输配电设备通讯连接的服务器，包括以下步骤：
通过多路复用通信实时获取的智能输配电设备的运行数据信息，并与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；
根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；
根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型，并生成故障修复指引策略反馈至现场维护终端。
进一步，根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息，还包括：
基于实时获取的智能输配电设备的运行状态信息，生成所述运行状态信息沿时序实时变动的状态预测趋势曲线，基于预设警戒区域触发对所述状态预测趋势曲线提前预警。
根据本发明的第二方面，提供了一种基于梯度决策树模型的多路复用通信系统，包括异常数据对比模块、状态采集模块、故障分析模块以及策略生成模块；
所述异常数据对比模块用于将实时获取的智能输配电设备的运行数据信息，与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；
所述状态采集模块用于根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；
所述故
障分析模块用于根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型；
所述策略生成模块用于根据故障位置和故障类型生成故障修复指引策略反馈至现场维护终端。
与现有技术相比，本发明提供的技术方案可以包括以下有益效果：
本发明从智能输配电设备的运行视角出发，能够实现多路复用通信获取运行数据信息、下发状态采集指令以及运行状态信息采集，比对出异常运行数据，基于梯度决策树模型分析，判定故障位置和故障类型，生成故障修复指引策略反馈至现场；实时对智能输配电设备的运行状态信息监控，对异常情况进行故障分析及判定，可以第一时间发现故障，进行故障判定及修复指引，减少安全隐患；解决由运检人员进行人工排查、分析、抢修以及恢复，导致故障停电时间长且不能全面的综合监控变电站的正常运转，无法保障电网稳定供电与设备安全运行的问题。
在智能输配电设备出现故障异常时，能够第一时间将故障修复指引策略发生给现场管理维护人员，能够快速有效的对故障引发的环节进行修复，及时分析导致故障出现的原因以及实现对智能输配电设备的有效运维管理及故障修复，大大缩短故障修复时间，提高基于梯度决策树模型的多路复用通信系统的可用性。
本申请的这些方面或其他方面在以下实施例的描述中会更加简明易懂。应当理解的是，以上的一般描述和后文的细节描述仅是的和解释性的，并不能限制本申请。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例。在附图中：
图1为本发明实施例提供的基于梯度决策树模型的多路复用通信方法的流程示意图。
图2为本发明实施例提供的一种基于梯度决策树模型的多路复用通信方法中决策树初始模型建立的流程图。
图3为本发明实施例提供的一种基于梯度决策树模型的多路复用通信方法中决策树初始模型训练的流程图。
图4为本发明实施例提供的一种基于梯度决策树模型的多路复用通信系统的结构示意图。
图5为本发明实施例提供的一种基于梯度决策树模型的多路复用通信系统中异常数据对比模块的结构示意图。
本申请目的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。应当理解，此处所描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
鉴于智能输配电设备通信过程中人工排查、分析、抢修以及恢复效率低、耗时长。本申请的实施例提供了一种基于梯度决策树模型的多路复用通信方法及系统，用多路复用通信技术，通过变电站设备的实时监测和分析，可以第一时间发现故障，实现对变电站设备的精益管理、精益检测和精益管控，让运检人员更加专注于故障抢修、运行分析、指挥决策工作，帮助减少故障停电时间，保障电网稳定供电与设备安全运行，增强供电服务保障能力。
以下结合附图对本发明实施例的具体实现进行详细描述。
请参照图1，图1为本发明实施例提供的一种基于梯度决策树模型的多路复用通信方法的流程示意图。本申请的实施例中提供的一种基于梯度决策树模型的多路复用通信方法，该方法包括以下步骤：
步骤S10、通过多路复用通信实时获取的智能输配电设备的运行数据信息，并与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；
步骤S20、根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；
步骤S30、根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型，并生成故障修复指引策略反馈至现场维护终端。
本发明的基于梯度决策树模型的多路复用通信方法，通过对智能输配电设备实时监测和分析，比对获取受控智能输配电设备的运行状态信息，进行异常运行数据分析及筛选，可以第一时间发现异常，与此同时，通过多路复用通信路径下发状态采集指令，采集智能输配电设备的运行状态信息；并基于梯度决策树模型进行分析，判定故障位置和故障类型，并生成故障修复指引策略反馈至现场维护终端。
其中，在本实施例中，参见图2所示，所述基于梯度决策树模型的多路复用通信方法，还包括：
步骤S101、收集智能输配电设备的历史运行数据信息，并将收集的运行数据信息生成运行日志存入数据库，同时，标记收集中产生的异常运行数据，并标定所述异常运行数据对应的故障位置、故障类型以及故障修复指引策略；
步骤S102、对入数据库存储的历史运行数据信息进行数据挖掘与分析，通过决策树算法对异常运行数据及对应的故障位置、故障类型以及故障修复指引策略进行训练，得到决策树初始模型。
在本实施例中，通过将收集的历史运行数据信息录入数据库，以运行日志的方式保存，并标记其中产生的异常以及故障数据，利用运行日志中的数据来训练模型，得到决策树初始模型。其中，参见图3所示，决策树初始模型训练时，包括：
步骤S201、将历史运行数据信息中的异常运行数据以及对应的故障位置、故障类型以及故障修复指引策略作为样本数据集；
步骤S202、将所述样本数据集中一部分数据作为训练数据，对建立的决策树初始模型训练；将样本数据集中另一部分数据作为测试数据，对建立的决策树初始模型测试；
步骤S203、当决策树初始模型通过测试后得到梯度决策树模型，利用所述梯度决策树模型对实时采集比对产生的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型。
在本实施例中，判定故障位置和故障类型包括：
利用梯度决策树模型对异常运行数据以及运行状态信息进行分析，获得故障分类结果；根据故障分类结果进行分类计算以确定智能输配电设备对应的每种故障位置和故障类型的权重值；按照权重值进行排列并输出最优判定结果。
在本发明的实施例中，根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息，还包括：
基于实时获取的智能输配电设备的运行状态信息，生成所述运行状态信息沿时序实时变动的状态预测趋势曲线，基于预设警戒区域触发对所述状态预测趋势曲线提前预警。
其中，采集智能输配电设备的运行状态信息时，服务器支持状态采集指令的直接委派，默认采用主动探测模式执行运行状态信息收集工作。
在本发明的实施例中，所述生成故障修复指引策略反馈至现场维护终端，包括：根据判定的故障位置和故障类型从预设的修复指引数据库检索获得故障修复指引策略，反馈至现场维护终端。
本发明可以第一时间发现故障，进行故障判定及修复指引，减少安全隐患；解决人工排查、分析、抢修以及恢复存在的故障停电时间长且不能全面的综合监控变电站的正常运转，无法保障电网稳定供电与设备安全运行的问题。
现场维修人员能够第一时间根据故障修复指引策略快速有效的对故障引发的环节进行修复，利用本发明的多路复用通信方法及时分析导致故障出现的原因以及实现对智能输配电设备的有效运维管理及故障修复，大大缩短故障修复时间，提高基于梯度决策树模型的多路复用通信系统的可用性。
需要注意的是，上述附图仅是根据本发明的实施例的方法所包括的处理的示意性说明，而不是限制目的。易于理解，上述附图所示的处理并不表明或限制这些处理的时间顺序。另外，也易于理解，这些处理可以是例如在多个模块中同步或异步执行的。
如图4所示，本发明实施例提供的一种基于梯度决策树模型的多路复用通信系统，该系统包括异常数据对比模块100、状态采集模块200、故障分析模块300以及策略生成模块400。所述异常数据对比模块100用于将实时获取的智能输配电设备的运行数据信息，与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据。所述状态采集模块200用于根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；所述故障分析模块300用于根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型；所述策略生成模块400用于根据故障位置和故障类型生成故障修复指引策略反馈至现场维护终端。
在本实施例中，参见图5所示，所述异常数据对比模块100还包括信息采集模块101、比对分析模块102、筛选模块103和异常数据反馈模块104；所述信息采集模块101与比对分析模块102通信连接，所述比对分析模块102分别与筛选模块103和异常数据反馈模块104通信连接。
所述信息采集模块101用于实时获取的智能输配电设备的运行数据信息；所述比对分析模块102用于接收所述信息采集模块采集的运行数据信息，与预存的设备运行标准信息进行比对，得到比对结果；所述筛选模块103用于根据比对结果将异常运行数据按照对应的智能输配电设备筛选；所述异常数据反馈模块104用于通过多路复用通信将智能输配电设备对应的异常运行数据反馈至服务器。
本发明的基于梯度决策树模型的多路复用通信系统，还包括趋势预测模块，用于读取数据库中存储的智能输配电设备的运行日志，并进行分析预测并生成沿时序实时变动的状态预测趋势曲线，基于预设警戒区域触发对所述状态预测趋势曲线监测，在异常发生前提前预警。
其中，通过多路复用通信获取的智能输配电设备的运行数据信息时，也可以按照预设的采样频率获取智能输配电设备运行的运行数据信息。无论是实时采集智能输配电设备运行的运行数据信息，还是按照预设的采样频率获取智能输配电设备运行的运行数据信息，在对运行数据信息进行比对时，均同步将运行数据信息按照不同的采集指标或故障分析的类型进行分类，并按照时间顺序生成针对各采集指标或故障分析的类型随时间实时变动的状态预测趋势曲线，通过预先设置的警戒区域预测所述状态信息动态趋势并提前预警。
在本实施例中，在智能输配电设备的运行数据信息与预存的设备运行标准信息进行比对异常或状态信息动态趋势超过警戒区域时，都进行异常预警；根据异常运行数据和智能输配电设备的运行状态信息进行故障问题定位以及生成故障修复指引，再发送故障修复指引策略至现场设备维护移动端根据进行对故障的智能输配电设维护，能够快速有效的对故障引发的环节进行修复，大大缩短故障修复时间，提高基于梯度决策树模型的多路复用通信系统的可用性。
本发明的基于梯度决策树模型的多路复用通信方法及系统，从智能输配电设备的运行视角出发，能够实现多路复用通信获取运行数据信息、下发状态采集指令以及运行状态信息采集，比对出异常运行数据，基于梯度决策树模型分析，判定故障位置和故障类型，生成故障修复指引策略反馈至现场；实时对智能输配电设备的运行状态信息监控，对异常情况进行故障分析及判定，可以第一时间发现故障，进行故障判定及修复指引，减少安全隐患；解决由运检人员进行人工排查、分析、抢修以及恢复，导致故障停电时间长且不能全面的综合监控变电站的正常运转，无法保障电网稳定供电与设备安全运行的问题。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图4示出了可以用来实施本公开的实施例的示例电子设备的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
设备包括计算单元，其可以根据存储在只读存储器（ROM）中的计算机程序或者从存储单元加载到随机访问存储器（RAM）中的计算机程序，来执行各种适当的动作和处理。在RAM 中，还可存储设备操作所需的各种程序和数据。计算单元、ROM 以及RAM 通过总线彼此相连。输入/输出（I/O）接口也连接至总线。
电子设备中的多个部件连接至I/O接口，包括：输入单元，例如键盘、鼠标等；输出单元，例如各种类型的显示器、扬声器等；存储单元，例如磁盘、光盘等；以及通信单元，例如网卡、调制解调器、无线通信收发机等。通信单元允许设备通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元的一些示例包括但不限于中央处理单元（CPU）、图形处理单元（GPU）、各种专用的人工智能（AI）计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器（DSP）、以及任何适当的处理器、控制器、微控制器等。计算单元执行上文所描述的各个方法和处理，例如所述基于梯度决策树模型的多路复用通信方法。例如，在一些实施例中，所述基于梯度决策树模型的多路复用通信方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元。在一些实施例中，计算机程序的部分或者全部可以经由ROM 和/或通信单元而被载入和/或安装到设备上。当计算机程序加载到RAM 并由计算单元执行时，可以执行上文描述的所述基于梯度决策树模型的多路复用通信方法的一个或多个步骤。备选地，在其他实施例中，计算单元可以通过其他任何适当的方式（例如，借助于固件）而被配置为执行所述基于梯度决策树模型的多路复用通信方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列（FPGA）、专用集成电路（ASIC）、专用标准产品（ASSP）、芯片上系统的系统（SOC）、负载可编程逻辑设备（CPLD）、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置（例如，CRT（阴极射线管）或者LCD（液晶显示器）监视器）；以及键盘和指向装置（例如，鼠标或者轨迹球），用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈（例如，视觉反馈、听觉反馈、或者触觉反馈）；并且可以用任何形式（包括声输入、语音输入或者、触觉输入）来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统（例如，作为数据服务器）、或者包括中间件部件的计算系统（例如，应用服务器）、或者包括前端部件的计算系统（例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互）、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信（例如，通信网络）来将系统的部件相互连接。通信网络的示例包括：局域网（LAN）、广域网（WAN）、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务（"Virtual Private Server"，或简称 "VPS"）中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
以上仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种基于梯度决策树模型的多路复用通信方法，其特征在于，应用于与智能输配电设备通讯连接的服务器，包括以下步骤：
通过多路复用通信实时获取的智能输配电设备的运行数据信息，并与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；
根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；
根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型，并生成故障修复指引策略反馈至现场维护终端。
2.根据权利要求1所述的基于梯度决策树模型的多路复用通信方法，其特征在于，所述基于梯度决策树模型的多路复用通信方法，还包括：
收集智能输配电设备的历史运行数据信息，并将收集的运行数据信息生成运行日志存入数据库，同时，标记收集中产生的异常运行数据，并标定所述异常运行数据对应的故障位置、故障类型以及故障修复指引策略；
对入数据库存储的历史运行数据信息进行数据挖掘与分析，通过决策树算法对异常运行数据及对应的故障位置、故障类型以及故障修复指引策略进行训练，得到决策树初始模型。
3.根据权利要求2所述的基于梯度决策树模型的多路复用通信方法，其特征在于，决策树初始模型训练时包括：
将历史运行数据信息中的异常运行数据以及对应的故障位置、故障类型以及故障修复指引策略作为样本数据集；
将所述样本数据集中一部分数据作为训练数据，对建立的决策树初始模型训练；将样本数据集中另一部分数据作为测试数据，对建立的决策树初始模型测试；
当决策树初始模型通过测试后得到梯度决策树模型，利用所述梯度决策树模型对实时采集比对产生的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型。
4.根据权利要求3所述的基于梯度决策树模型的多路复用通信方法，其特征在于，判定故障位置和故障类型包括：
利用梯度决策树模型对异常运行数据以及运行状态信息进行分析，获得故障分类结果；
根据故障分类结果进行分类计算以确定智能输配电设备对应的每种故障位置和故障类型的权重值；
按照权重值进行排列并输出最优判定结果。
5.根据权利要求4所述的基于梯度决策树模型的多路复用通信方法，其特征在于，根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息，还包括：
基于实时获取的智能输配电设备的运行状态信息，生成所述运行状态信息沿时序实时变动的状态预测趋势曲线，基于预设警戒区域触发对所述状态预测趋势曲线提前预警。
6.根据权利要求1所述的基于梯度决策树模型的多路复用通信方法，其特征在于，采集智能输配电设备的运行状态信息时，服务器支持状态采集指令的直接委派，默认采用主动探测模式执行运行状态信息收集工作。
7.根据权利要求6所述的基于梯度决策树模型的多路复用通信方法，其特征在于，所述生成故障修复指引策略反馈至现场维护终端，包括：
根据判定的故障位置和故障类型从预设的修复指引数据库检索获得故障修复指引策略，反馈至现场维护终端。
8.一种基于梯度决策树模型的多路复用通信系统，其特征在于，包括异常数据对比模块、状态采集模块、故障分析模块以及策略生成模块；
所述异常数据对比模块用于将实时获取的智能输配电设备的运行数据信息，与预存的设备运行标准信息进行比对，筛选出智能输配电设备的异常运行数据；
所述状态采集模块用于根据所述异常运行数据按照多路复用通信路径进行分配下发状态采集指令，采集智能输配电设备的运行状态信息；
所述故障分析模块用于根据预先建立的梯度决策树模型对比对的异常运行数据和智能输配电设备的运行状态信息进行分析，判定故障位置和故障类型；
所述策略生成模块用于根据故障位置和故障类型生成故障修复指引策略反馈至现场维护终端。
9.根据权利要求8所述的基于梯度决策树模型的多路复用通信系统，其特征在于，所述异常数据对比模块还包括信息采集模块、比对分析模块、筛选模块和异常数据反馈模块；所述信息采集模块与比对分析模块通信连接，所述比对分析模块分别与筛选模块和异常数据反馈模块通信连接；
所述信息采集模块用于实时获取的智能输配电设备的运行数据信息；
所述比对分析模块用于接收所述信息采集模块采集的运行数据信息，与预存的设备运行标准信息进行比对，得到比对结果；
所述筛选模块用于根据比对结果将异常运行数据按照对应的智能输配电设备筛选；
所述异常数据反馈模块用于通过多路复用通信将智能输配电设备对应的异常运行数据反馈至服务器。
10.根据权利要求9所述的基于梯度决策树模型的多路复用通信系统，其特征在于，还包括趋势预测模块，用于读取数据库中存储的智能输配电设备的运行日志，并进行分析预测并生成沿时序实时变动的状态预测趋势曲线，基于预设警戒区域触发对所述状态预测趋势曲线监测，在异常发生前提前预警。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310408933.3A CN116155956B (zh) | 2023-04-18 | 2023-04-18 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310408933.3A CN116155956B (zh) | 2023-04-18 | 2023-04-18 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116155956A true CN116155956A (zh) | 2023-05-23 |
| CN116155956B CN116155956B (zh) | 2023-08-22 |
Family
ID=86358469
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310408933.3A Active CN116155956B (zh) | 2023-04-18 | 2023-04-18 | 一种基于梯度决策树模型的多路复用通信方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116155956B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116707144A (zh) * | 2023-08-07 | 2023-09-05 | 广东佰林电气设备厂有限公司 | 一种低压配电箱故障预警方法 |
| CN116760191A (zh) * | 2023-08-15 | 2023-09-15 | 国网山西省电力公司晋中供电公司 | 电力负荷调试方法及装置 |
| CN117290764A (zh) * | 2023-11-23 | 2023-12-26 | 湖南省交通科学研究院有限公司 | 基于数据特征分析的治超系统故障智能识别及诊断的方法 |
Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701637A (zh) * | 2013-12-16 | 2014-04-02 | 国家电网公司 | 一种电力通信传输网运行趋势分析方法 |
| CN208544233U (zh) * | 2018-07-09 | 2019-02-26 | 深圳移航通信技术有限公司 | 一种基于多路复用技术的obd数据采集系统 |
| CN109522957A (zh) * | 2018-11-16 | 2019-03-26 | 上海海事大学 | 基于决策树算法的港口岸桥机械工作状态故障分类的方法 |
| CN110399935A (zh) * | 2019-08-02 | 2019-11-01 | 哈工大机器人（合肥）国际创新研究院 | 基于孤立森林机器学习的机器人实时异常监测方法及系统 |
| CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
| US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
| CN112463422A (zh) * | 2020-11-04 | 2021-03-09 | 鸬鹚科技(苏州)有限公司 | 物联网故障运维方法、装置、计算机设备及存储介质 |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
| WO2022083576A1 (zh) * | 2020-10-22 | 2022-04-28 | 中兴通讯股份有限公司 | 一种网络功能虚拟化设备运行数据的分析方法及装置 |
| CN114722862A (zh) * | 2022-03-21 | 2022-07-08 | 沈阳中科奥维科技股份有限公司 | 一种游梁式抽油机电机故障预测装置及方法 |
| CN115034248A (zh) * | 2021-03-03 | 2022-09-09 | 斯凯孚公司 | 用于设备的自动诊断方法、系统和存储介质 |
| CN115081584A (zh) * | 2022-05-16 | 2022-09-20 | 合肥科大智能机器人技术有限公司 | 基于机器学习的电力设备健康管理方法、系统及介质 |
| CN115099778A (zh) * | 2022-06-23 | 2022-09-23 | 南京戴尔塔智能制造研究院有限公司 | 一种工业制造设备的管控方法、系统、设备及介质 |
| CN115171242A (zh) * | 2022-07-04 | 2022-10-11 | 安徽一维新能源技术有限公司 | 工业车辆远程故障检测系统 |
| CN115471625A (zh) * | 2022-10-12 | 2022-12-13 | 福建省海峡智汇科技有限公司 | 一种云机器人平台大数据智能决策方法和系统 |
| CN115695150A (zh) * | 2022-11-01 | 2023-02-03 | 广州城轨科技有限公司 | 一种基于分布式异构融合组网设备检测方法及装置 |
| CN115826563A (zh) * | 2022-12-30 | 2023-03-21 | 江西方兴科技股份有限公司 | 一种基于plc机柜的远程故障监测系统及方法 |
-
2023
- 2023-04-18 CN CN202310408933.3A patent/CN116155956B/zh active Active
Patent Citations (18)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103701637A (zh) * | 2013-12-16 | 2014-04-02 | 国家电网公司 | 一种电力通信传输网运行趋势分析方法 |
| US20200231466A1 (en) * | 2017-10-09 | 2020-07-23 | Zijun Xia | Intelligent systems and methods for process and asset health diagnosis, anomoly detection and control in wastewater treatment plants or drinking water plants |
| CN208544233U (zh) * | 2018-07-09 | 2019-02-26 | 深圳移航通信技术有限公司 | 一种基于多路复用技术的obd数据采集系统 |
| CN109522957A (zh) * | 2018-11-16 | 2019-03-26 | 上海海事大学 | 基于决策树算法的港口岸桥机械工作状态故障分类的方法 |
| CN110399935A (zh) * | 2019-08-02 | 2019-11-01 | 哈工大机器人（合肥）国际创新研究院 | 基于孤立森林机器学习的机器人实时异常监测方法及系统 |
| CN110717665A (zh) * | 2019-09-30 | 2020-01-21 | 国家电网有限公司 | 基于调度控制系统故障辨识及趋性分析系统和方法 |
| WO2022083576A1 (zh) * | 2020-10-22 | 2022-04-28 | 中兴通讯股份有限公司 | 一种网络功能虚拟化设备运行数据的分析方法及装置 |
| CN112463422A (zh) * | 2020-11-04 | 2021-03-09 | 鸬鹚科技(苏州)有限公司 | 物联网故障运维方法、装置、计算机设备及存储介质 |
| CN115034248A (zh) * | 2021-03-03 | 2022-09-09 | 斯凯孚公司 | 用于设备的自动诊断方法、系统和存储介质 |
| CN113077172A (zh) * | 2021-04-19 | 2021-07-06 | 瑞湖智科数据(苏州)有限公司 | 一种设备状态趋势分析及故障诊断方法 |
| CN114237087A (zh) * | 2021-11-09 | 2022-03-25 | 深圳市移动力量科技有限公司 | 监控系统预警方法、装置及计算机可读存储介质 |
| CN114722862A (zh) * | 2022-03-21 | 2022-07-08 | 沈阳中科奥维科技股份有限公司 | 一种游梁式抽油机电机故障预测装置及方法 |
| CN115081584A (zh) * | 2022-05-16 | 2022-09-20 | 合肥科大智能机器人技术有限公司 | 基于机器学习的电力设备健康管理方法、系统及介质 |
| CN115099778A (zh) * | 2022-06-23 | 2022-09-23 | 南京戴尔塔智能制造研究院有限公司 | 一种工业制造设备的管控方法、系统、设备及介质 |
| CN115171242A (zh) * | 2022-07-04 | 2022-10-11 | 安徽一维新能源技术有限公司 | 工业车辆远程故障检测系统 |
| CN115471625A (zh) * | 2022-10-12 | 2022-12-13 | 福建省海峡智汇科技有限公司 | 一种云机器人平台大数据智能决策方法和系统 |
| CN115695150A (zh) * | 2022-11-01 | 2023-02-03 | 广州城轨科技有限公司 | 一种基于分布式异构融合组网设备检测方法及装置 |
| CN115826563A (zh) * | 2022-12-30 | 2023-03-21 | 江西方兴科技股份有限公司 | 一种基于plc机柜的远程故障监测系统及方法 |
Non-Patent Citations (1)
| Title |
|---|
| 刘岩;巨汉基;丁恒春;袁瑞铭;吕凛杰;张海燕;: "基于机器学习决策树的计量设备异常分析", 自动化与仪器仪表, no. 05, pages 177 - 180 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116707144A (zh) * | 2023-08-07 | 2023-09-05 | 广东佰林电气设备厂有限公司 | 一种低压配电箱故障预警方法 |
| CN116707144B (zh) * | 2023-08-07 | 2024-03-19 | 广东佰林电气设备厂有限公司 | 一种低压配电箱故障预警方法 |
| CN116760191A (zh) * | 2023-08-15 | 2023-09-15 | 国网山西省电力公司晋中供电公司 | 电力负荷调试方法及装置 |
| CN117290764A (zh) * | 2023-11-23 | 2023-12-26 | 湖南省交通科学研究院有限公司 | 基于数据特征分析的治超系统故障智能识别及诊断的方法 |
| CN117290764B (zh) * | 2023-11-23 | 2024-02-09 | 湖南省交通科学研究院有限公司 | 基于数据特征分析的治超系统故障智能识别及诊断的方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116155956B (zh) | 2023-08-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116155956B (zh) | 一种基于梯度决策树模型的多路复用通信方法及系统 | |
| CN112803592B (zh) | 一种适用于分布式电站的智能故障预警方法及系统 | |
| CN107256449B (zh) | 一种智能变电站继电保护装置状态评价与评估方法 | |
| CN112348339A (zh) | 一种基于大数据分析的配电网规划方法 | |
| CN103559648A (zh) | 电网设备状态检测与评价实训系统 | |
| CN102638041A (zh) | 电力系统调度操作在线安全稳定快速校核方法 | |
| Hu et al. | Robustness evaluation of complex power grids containing renewable energy | |
| CN115860383A (zh) | 配电网调度方法、装置、电子设备及存储介质 | |
| CN111835083B (zh) | 电源信息监控系统、方法、装置、计算机设备和存储介质 | |
| CN114785284B (zh) | 太阳能电池故障分析方法及系统 | |
| US10958099B2 (en) | Real-time electrical grid restoration | |
| CN106779443B (zh) | 电力调度中的操作风险确定方法和装置 | |
| CN117424224A (zh) | 一种停电计划平衡优化方法、装置、设备及存储介质 | |
| Li et al. | A summary of relay protection-based simulation for Dynamic Performance and Reliability Assessment | |
| CN110310048B (zh) | 一种配网规划全过程评估方法及装置 | |
| CN106651113A (zh) | 一种基于超前n‑1分析的调度员操作风险评估方法 | |
| US11133674B2 (en) | System operation support device and method in power system, and wide-area monitoring protection control system | |
| CN106022608A (zh) | 一种考虑电网设备状态的远方操作安全控制方法 | |
| CN110212585A (zh) | 基于统计分析的风电机组运行可靠性预测方法、装置及风电机组 | |
| CN115509255A (zh) | 变电站巡视无人机航线风险管控方法、装置、设备及存储介质 | |
| CN115392383A (zh) | 一种用电异常的预警方法、装置、电子设备及存储介质 | |
| CN113722655A (zh) | 一种基于风险评估的电力设备检修策略优化方法和系统 | |
| KR20180002329A (ko) | Ict 융합형 풍력 발전 단지 모니터링 시스템, 서버 및 방법 | |
| CN110991025A (zh) | 一种电网安全隐患排查方法及装置 | |
| CN107123062B (zh) | 一种配电网运行风险控制系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |